分享一套斯坦福大学在2020年初，2019年底放出一门免费精品课程-人工智能原理与技术课程，对于对于春节想要系统学习人工智能知识朋友绝对不容错过。
课程介绍
这门课主要讲什么？网络搜索、语音识别、人脸识别、机器翻译、自动驾驶和自动调度有什么共同之处呢？这些都是复杂的现实应用问题，人工智能的目标是用严格的数学工具来解决这些问题。在本课程中，你将学习驱动这些应用程序的基本原理，并通过课后作业实现其中一些系统。具体主题包括机器学习、搜索、游戏、马尔可夫决策过程、约束满足、图模型和逻辑。这门课程的主要目标是让你具备解决生活中可能遇到的新人工智能问题能力。
课程主讲人
课程助教
课程基础
本课程节奏快，涉及面广，所以在理论和实践方面需要有一个坚实的基础。你最好参加下列课程(或同等课程):
编程(CS 106A、CS 106B、CS 107)
离散数学(CS 103)
概率(CS 109)
参考教材
这门课没有必修教材，你应该能够从课堂笔记和家庭作业中学到一切。然而，如果你想追求更高级的主题或者从另一个角度学习相同知识，这里有一些书可以参考阅读:
Russell and Norvig. Artificial Intelligence: A Modern Approach（获取地址：http://aima.cs.berkeley.edu/）。涵盖的所有人工智能主题的综合知识点。
Koller and Friedman. Probabilistic Graphical Models（获取地址：http://mitpress.mit.edu/books/probabilistic-graphical-models）。涵盖因子图和贝叶斯网络(这是CS228的教科书)。
Sutton and Barto. Reinforcement Learning: An Introduction（获取地址：https://mitpress.mit.edu/books/reinforcement-learning）。涵盖马尔可夫决策过程和强化学习。在线免费下载。
Tsang. Foundations of constraint satisfaction（http://www.bracil.net/edward/fcs.html）。涵盖约束满足问题。
请记住，这些书涉及很多知识点，并使用不同的符号术语，因此可能需要花一些功夫与课堂上的材料联系起来。
课程大纲
